La ingeniería de agentes primero refuerza el contexto y los sensores.

Al observar un grupo de discusiones sobre ingeniería de arneses en estos días, la sensación más intuitiva no es que “el agente ha agregado una nueva capa de capacidades”, sino que el enfoque de las discusiones de ingeniería ha cambiado. En el pasado, a menudo nos preguntábamos si el modelo era lo suficientemente sólido. Ahora nos centramos primero en cuánto contexto poner, cuánto tiempo poner en el archivo de reglas y qué señal da el sensor. El modelo todavía está en el medio, pero lo que realmente empieza a determinar la estabilidad es el arnés exterior.

Cuanto más grande sea la ventana de contexto, más estable será la atención.

Alguien en el retiro mencionó que agents.md debería controlarse a menos de 200 líneas. Este número no es pretencioso ni un culto a los números de línea, sino más bien un recordatorio de presupuesto. Cuanto más grande sea la ventana de contexto solo significa que se puede incluir más contenido en ella, pero no significa que el modelo captará de manera más estable la parte que debe captarse. Los modelos a menudo solo se enfocan en una pequeña parte del contexto, e incluso si el resto del contenido está en la ventana, es posible que no todo esté enfocado.

Esto es muy molesto en ingeniería. Cuantas más reglas haya, más fácil será escribir “restricciones” como “ruido”; cuanto más largas sean las instrucciones, más fácil será enterrar en un rincón lo que realmente hay que observar. Mantener el archivo muy breve no se trata de hacer que el documento se vea ordenado, sino de forzar que las restricciones se vuelvan visibles. Lo que el modelo enfrenta no es una enciclopedia, sino un contrato de operación limitado.

El sensor no vuelve a alimentar el tronco

Otro cambio obvio es que la discusión ha comenzado a trasladarse a los sensores computacionales. Aquí los sensores no están simplemente enterrados, ni los registros del sistema se insertan intactos en el modelo, sino que el estado del tiempo de ejecución se comprime en una pequeña cantidad de señales utilizables. Lo que hace es filtrar el ruido, no crear nuevas cargas contextuales.

Por eso se dice “cambiar a Rust en lugar de Python”. La atención no se centra en tomar partido con el lenguaje, sino en el control. Una vez que un sensor se basa en los límites del tiempo de ejecución, las limitaciones de recursos, las rutas de excepción y la salida determinista para garantizar la calidad, el lenguaje y el entorno de ejecución ya no son solo detalles de implementación, sino parte del propio sensor. Si la señal es inestable, no importa cuán fuerte sea el modelo, solo hará conjeturas sobre la entrada inestable.

Enviar datos sin procesar directamente al modelo puede parecer más informativo a corto plazo, pero a menudo sólo hace que la escena sea más ruidosa a largo plazo. Un sensor verdaderamente útil debería primero comprimir “lo que sucedió” en unos pocos estados claros y luego decidir qué detalles se dejan a los humanos y cuáles a las herramientas.

La responsabilidad del arnés es cortar el mundo en pedazos que puedan alimentarse al modelo.

Una vez que este tipo de discusión madura, comienza a parecerse más a un diseño de sistema que a técnicas rápidas. El arnés es responsable de los límites: qué entra en el contexto, qué queda fuera del contexto, en qué estado puede confiar el modelo y qué estado debe ser reconfirmado por las herramientas. No es una concha, sino una capa de filtro y más cercana.

Este es también el costo más subestimado en el sistema de agentes. El reemplazo del modelo es rápido, pero el arnés es mucho más lento porque une directamente la cadena de acción, la cadena de señal y la cadena de falla. El presupuesto de contexto, el diseño de sensores, los límites de permisos y las rutas alternativas, todo cae en última instancia en esta capa. Mientras esta capa no sea estrecha, cuanto más fuerte sea el modelo, más fácil será para el sistema extender aún más la inestabilidad.

Mirando ahora este tipo de fragmentos, lo más valioso no es una única conclusión, sino que establece claramente el enfoque del proyecto: el agente ya no es sólo “si puede hacer cosas”, sino “si el sistema externo ha captado atención y señales”. Este paso no es estable y una mayor mejora en las capacidades del modelo sólo amplificará el caos más rápidamente.